چکیده:
بورس مکانیزمی را فراهم میکند تا از طریق آن پساندازهای اندک جامعه به سرمایهگذاریهای کلان اقتصادی تبدیل شود ، توسعه متناسب دو بخش اصلی اقتصاد یعنی بخش مالی و واقعی از اهمیت ویژهای برخوردار میباشد. کشورهای توسعه یافته همواره بازار پول و سرمایه قدرتمندی داشته و دارند. عدم توسعه مناسب بازار سرمایه به عنوان زیر مجموعه مهمی از بخش مالی علاوه بر ایجاد فشار مضاعف بر سیستم پولی کشور، باعث شده که واحدهای تولیدی و خدماتی از مزایای یک بازار سرمایه فعال و پویا محروم گردند. در پژوهش حاضر، انتخاب و بهینهسازی سبد سهام با استفاده از سه الگوریتم، شامل الگوریتم ژنتیک، فرهنگی و ازدحام ذرات و اطلاعات 106 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی 1386 الی 1393، صورت گرفته است. در این پژوهش برای رسم مرز کارا و تشکیل پرتفوی بهینه، از واریانس به عنوان عامل اصلی خطر پذیری استفاده شده است.
نتایج مطالعه از بررسی تفاوت بین میانگین بازده سرمایه گذاری در سبدهای منتخب براساس سه روش نشان از عدم وجود اختلاف معنادار بین سه الگوریتم دارد. از طرفی به منظور مقایسه الگوریتم ها و بررسی برتری الگوریتم ها، دو روش بهینهسازی از دو بعد تابع هدف و نسبت بازده و ریسک مورد مقایسه قرار گرفت.از آنجایی که الگوریتم ازدحام ذرات مقدار تابع هدف کمتری داشته یا به عبارتی با کمترین خطا به بهترین نتیجه رسیده است، نسبت به الگوریتم های دیگر بهتر عمل کرده است و نشان دهنده برتری نسبی این الگوریتم در انتخاب سبد سهام بهینه است.
One of the important features of industrialized and developing countries is the presence of money, dynamic market and capital. In other words, if the saving of individuals will be directed by appropriate mechanism to the manufacturing sector it brings efficiency not only to the owners of capital but also it can be considered as the most important funding for launching economic projects of society.
In present study, three stock selection and optimization algorithms including genetic algorithm, particle swarm algorithm, and cultural algorithm has been studied. So, 106 listed companies in Tehran Stock Exchange, since 2007 to 2014 were tested in order to investigate this.
In this study, for plotting the efficient frontier and comprising of the optimal portfolio half of the variance is considered as the main factor of risk. This research investigates the significant difference between the averages of investment output in selected baskets based on three methods. The statistical analysis of the results shows that there is no difference between the three algorithms. However, in order to compare the two algorithms and analysis of superiority of algorithms, these two methods of optimization have been compared from two aspects of objective function, output ratio and risk.
Since the objective function of particle swarm algorithms was less, in other word, it has the least error and gain the best result so in comparing to other algorithms it has been performed better which shows the relative superiority of this algorithms in the selection of the optimal portfolio.